摘要:我国股市中机构投资者的交易占比远低于世界其他主要证券市场．本文通过分析2009年～2015年期间沪、深两市个股的高频交易数据，考察了融资融券交易机制对机构投资者交易参与度的影响．结果显示，标的股票在加入融资融券交易后，其机构投资者的交易占比显著上升．进一步的分析发现，融资融券交易能有效缓解企业的信息不对称并加强外部治理；而由于机构投资者比散户更为关注这两个方面，因而融资融券的实施有助于提高标的股的机构交易占比．随后区分了融资交易和融券交易并发现，融券卖空交易是更为主要的影响因素．最后，本文还发现机构交易占比的上升对降低股价协同性和崩盘风险有积极作用．

摘要:性别、年龄和认知能力等基本个体特征是形成行为偏好的基础，而风险、时间、模糊等基本行为偏好对个体决策行为产生重要影响．本研究首次对较大样本中国真实投资者的认知能力和行为偏好进行全面测度，并考察其对一系列重要金融决策行为的影响．认知能力低的个体表现为更加厌恶风险和不确定，更加不耐心．认知能力和风险偏好还对于股票投资中的具体行为和其他金融产品的参与决策具有重要的解释力．风险偏好对投资交易风格和是否参与融资融券类高风险金融产品具有解释力，模糊偏好对投资者的投资份额、交易频率、交易风格，以及是否参与贵金属和外汇类金融产品都具有解释力，而时间偏好对投资者交易频率和交易风格，以及是否参与公募基金均具有解释力．认知能力则通过行为偏好的部分中介效应和其他传导途径对特定金融决策产生影响．

摘要:本文分析了网贷平台的最优借贷利率与项目筛选策略．首先，提炼了网贷平台的主要特征．然后，构建并求解了网贷利率与项目筛选模型．最后，通过数值算例考察了平台费率等因素对网贷平台最优策略和期望利润的影响．结果表明：１）网贷平台的最优借贷利率与借款管理费率呈负相关，且两者之和不高于外部借贷利率．２）在一定范围内提高利息管理费率不仅能激励网贷平台加强项目筛选，还可以提升网贷平台的期望利润．３）对于大额标，网贷平台的期望利润较高，但前提是其应加大项目筛选强度，否则将产生较大的信贷集中风险．该结论对金融信息中介的息费定价与项目筛选等问题的研究具有理论与现实价值．

摘要:我国高低收入阶层间存在着严重的膳食健康上的不平等现象，在讨论其背后的机制时，鲜有文献涉及到口味因素．传统理念认为口味差异天生给定，无需争辩；Ｂｅｃｋｅｒ开创性地认为可以用经济学工具争辩口味问题．通过采用中国家庭追踪调查（ＣＦＰＳ）２０１０年～２０１４年三期面板数据进行分析，加入个体固定效应的再中心化影响函数回归，消除了“不可争辩的口味”；在此基础上进行无条件分位数分解，将相同特征条件下系数不同导致的不平等定义为“可争辩的口味”效应．结果显示：在包含收入阶层流动的情况下，“可争辩的口味”和社会经济地位分别可以解释膳食健康不平等的５４．３％和４４．５％；在不包含收入阶层流动的情况下，二者分别可以解释３７．１％和６２．３％．人口学特征、个体健康、供给因素的作用很小．结论表明，收入政策只能起到部分作用，政策制定者需要重视对口味的教育引导．这在“健康中国２０３０”背景下，对于促进全民健康有着重要启示．

摘要:在展厅和反展厅现象同时发生的情形下，本研究构建一个由线下和线上零售商组成的双寡头垄断市场，探讨消费者的非电子属性的质量期望对反展厅购买行为，以及线下和线上商店之间的价格竞争的影响和作用．研究结果显示，在非电子属性的质量期望是外生给定的情形中，当非电子属性的质量期望小于真实值时，随着消费者对非电子属性质量的期望越低，线下和线上零售商的价格越高．此时线上零售商的均衡利润可能先增加后减少，而线下零售商的均衡利润总是减少；当非电子属性的质量期望值大于真实值时，允许反展厅现象存在，可能是线上零售商的最优决策．进一步，内生化非电子属性的质量期望时，产品的电子属性质量越高对线上零售商可能产生负面或正面影响越大．

摘要:在国内价值链深入发展背景下，探讨一省通过出口获得的真实贸易收益、实现渠道及其变化机制对进一步推动我国形成“陆海内外联动、东西双向互济的开放新格局”具有重要现实意义．本文将一省出口国内增加值分解为直接和间接引致两部分，并按省内和省际生产网络对实现渠道进行区分，在此基础上，应用结构分解分析方法来考察出口国内增加值的变化机制．研究结果表明：总值贸易统计往往低估内陆省份和高估沿海省份的对外贸易收益．内陆省份出口国内增加值的总规模较小但增长迅速，而沿海省份出口国内增加值的规模较大，且省份差异随时间呈稳定性．内陆省份主要依赖省际生产链渠道，通过向沿海省份提供中间投入品间接实现出口国内增加值，而沿海省份则主要通过省内生产链渠道．一省出口国内增加值的增长主要是由省内部门投入结构变化和出口规模的增长带来的，而省内部门增加值率的下降则是主要抑制因素．本文对于理解中国省级对外贸易利益分配格局和出口模式，以及未来如何有效提升省级出口国内增加值具有参考启示．

摘要:我国股票市场存在高风险股票反而伴随较低收益的低风险定价异象，这有悖于传统资产定价理论．本文使用宏观经济和微观企业特征构建了六百多个变量的宏微观混合大数据集，并结合多种经典机器学习算法开发了基于大数据和机器学习的智能动态ＣＡＰＭ模型，检验了时变系统性风险对我国股市收益解释能力．实证结果表明：本文的智能动态ＣＡＰＭ定价模型能够显著解释我国股市低风险定价异象；随机森林等非线性机器学习算法表现最佳；影响股票时变系统风险的主要因素是市场类因子，基本面因子居次．本文对于我国股市系统性风险测度、动态资产定价模型构建和金融与大数据和人工智能融合创新有重要理论与实践指导意义．